一种基于EHRs的药物推荐方法及系统技术方案

本发明专利技术公开了一种基于EHRs的药物推荐方法及系统。该方法包括：首先对数据进行过滤，获取单次访问和多次访问数据。接着利用基于Tranformer架构的全局融合模块来学习全局信息，其次利用T‑CNN学习局部时序信息，融合全局‑局部多层次依赖信息。最后提出了一个基于内注意机制的不规则时间序列融合模块，通过键值关注机制在不同的时间区间动态分配不同的权重从而推荐药物。本发明专利技术在实际数据集上的表现的各项指标数值证明了其有效性。

【技术实现步骤摘要】

本专利技术涉及智慧医疗，具体来说涉及一种基于ehrs的药物推荐方法及系统。

技术介绍

1、患者就诊时，医生通常需要根据患者的电子健康记录(ehrs)进行诊断和开药。然而，由于ehrs数据的复杂性和特殊性，一对一的诊断和治疗对于没有经验(或经验少)的医生来说难度巨大。因此，利用推荐算法为患者及时推荐合理有效的药物，是医疗健康行业最重要的推荐任务。近年来，与深度学习相关的技术已经成功地应用于药物推荐。基于深度学习的药物推荐方法是从患者ehrs数据中学习医疗实体(如患者、诊断、药物)的表示，然后使用生成的新表示来实现医疗预测任务。

2、与深度学习相关的技术已经成功地应用于药物推荐。这些方法从患者ehrs数据中学习医疗实体(如患者、诊断、药物)的表示，然后使用生成的新表示来实现医疗预测任务。为了准确地学习表征，各种纵向推荐方法将推荐任务视为顺序预测任务，如medrec、safedrug、merits。其他方法是基于实例的，如leap、g-bert，这些方法关注每个患者当前的健康状况。此外，一些方法利用临床事件之间的时间依赖性，如tahdnet、cogn本文档来自技高网...

【技术保护点】

1.一种基于EHRs的药物推荐方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于EHRs的药物推荐方法，其特征在于，对所述药物代码进行预处理，生成EHRs数据序列，包括：

3.根据权利要求1所述的一种基于EHRs的药物推荐方法，其特征在于，对第一嵌入向量的相关性进行学习，并采用多头自注意力的Transformer架构来学习患者的全局信息，生成全局感知的特征表示，包括：

4.根据权利要求3所述的一种基于EHRs的药物推荐方法，其特征在于，对于第二嵌入向量应用不同大小的卷积核进行卷积操作，以捕获不同时间尺度的局部特征，生成局部特征表示，包括...

【技术特征摘要】

1.一种基于ehrs的药物推荐方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于ehrs的药物推荐方法，其特征在于，对所述药物代码进行预处理，生成ehrs数据序列，包括：

3.根据权利要求1所述的一种基于ehrs的药物推荐方法，其特征在于，对第一嵌入向量的相关性进行学习，并采用多头自注意力的transformer架构来学习患者的全局信息，生成全局感知的特征表示，包括：

4.根据权利要求3所述的一种基于ehrs的药物推荐方法，其特征在于，对于第二嵌入向量应用不同大小的卷积核进行卷积操作，以捕获不同时间尺度的局部特征，生成局部特征表示，包括：

5.根据权利要求4所述的一种基于...

【专利技术属性】
技术研发人员：史金余，王蕾，刁承坤，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：